干掉Fable 5.1！Meta甩出最强模型，即将上线Muse

智东西10月13日报道，昨夜，Meta发布了首个前沿模型系列Muse ，包括Muse 和Muse Full两个型号，重点面向个人与专业智能体任务。

Meta CEO马克·扎克伯格发文称，Meta超级智能实验室成立至今已一年多，Muse Spark是团队推出的首个模型系列，此次推出的Muse 系列规模更大、能力更先进，引领着Meta的模型能力迈入前沿水平。

2025年6月，扎克伯格重金组建超级智能团队，投百亿美元并购AI创企、狂揽顶尖AI人才，今日终于放出“大招”。今年4月份亮相的Muse Spark主打低延迟、个人智能助手任务，今日亮相的Muse 则正式向、的顶级模型发起挑战。

据Meta介绍，Muse 系列引入主动记忆（ ）和主动专注（ Focus）能力，能够持续跟踪用户关注的事项，并围绕用户目标推进任务。Meta称，这也是其迈向“个人超级智能”（ ）的重要一步。

在Meta公布的长流程编程测试 1.1和SWE-超长流程软件工程测试中，Muse Full得分超过了 Fable 5.1、GPT-6 Astra以及 Opus 5.5，展现出较强的Agent任务执行能力。

在 模型综合能力评测榜单中，最高推理强度（max）下，Muse 和Muse Full的 Index综合智力测试分别取得了52分和56分的成绩。Muse Full得分超过Fable 5.1，与 5.5持平，仅略逊于Opus 5.5，跻身顶尖模型梯队。

价格方面，Muse 的API定价较上一代Muse Spark 1.3明显上涨：每百万输入Token收费4美元，缓存输入0.20美元，输出20美元，分别高于Muse Spark 1.3的1.25美元、0.15美元和4.25美元。

据 测算，Muse 完成一个 Index任务的成本约为4.52美元，是Muse Spark 1.3的2.8倍。

成本上升也与输入量增加有关，Muse 单个任务平均消耗约769万输入Token，比Muse Spark 1.3多28%；输出约5.4万Token，比上一代少约10%。其中，输入Token成本约3.43美元，占单任务总成本的76%。

横向对比，Muse 的单任务成本低于 Fable 5.1的7.63美元、Opus 5.5的5.98美元和 5.5的5.46美元，但高于GPT-6 Astra的3.26美元、 4 Argon的1.99美元和GPT-6.1 Sol的0.72美元。 Muse Full目前尚未公布定价。

目前，Muse Full已经上线API平台，并对和编程工具Muse Code的订阅者开放；Muse 也将会在Meta前段时间推出、且持续爆火的 Agent产品Muse中上线，首先对订阅者开放。

一、多项测评位居前列，编程Agent中超越Opus 5.5

从分项基准测试来看，Muse Full的优势主要集中在个人与专业智能体，以及长流程编程任务上。

在Meta内部构建的个人超级智能指数（PSI）中，Muse Full取得59.1分，高于GPT-6 Astra的54.5分和 Opus 5.5的55.2分。

编程方面，Muse Full在 1.1中取得79.0分，高于GPT-6 Astra的74.1分 Fable 5.1的67.4分以及 Opus 5.5的74.2分；在SWE-超长流程软件工程测试中，它以57.5分领先GPT-6 Astra的42.5分、 Fable 5.1的45.6分以及 Opus 5.5的46.3分。

其中，-Bench 4.0主要考察模型通过终端执行任务的能力，Muse Full的得分从上一代Muse Spark 1.3的33%升至57%，Muse 也从33%升至52%。

在衡量专业知识工作表现的-AA v2.1中，Muse Full相比Muse Spark 1.3提高了176分，位居第二，在AA-中则提高了148分。

Muse 的业务流程自动化能力也有所提升，在-AA测试中，Muse 和Muse Full分别取得了68%和71.3%的成绩，位列第七和第三。

从综合表现来看，Muse Full在 Index的十项评测中有六项进入前三，优势集中在Agent知识工作与科学推理领域。

科学推理方面，Muse Full在中以33%的成绩位列第一，在中以63%的成绩排名第三。

编程Agent能力上，在 Index测试中中，Muse Full（max）搭配Muse Code取得了68分，与搭配 Code的 5.5（max）持平，高于搭配Opus 5.5（max）的 Code所获得的66分。

Muse （max）取得63分，上一代Muse Spark 1.3（max）则为54分。

二、主动记忆与主动专注：Muse 的重点是帮人干活

Meta为Muse 系列着重强化了两项能力：主动记忆（ ）和主动专注（ Focus）。

主动记忆解决的是“记住什么、何时调用”的问题。模型能够跨会话保留对用户重要的信息，并在任务需要时主动调取相关细节。

主动专注则关注任务能否持续推进：遇到阻碍时尝试其他路径，根据新信息调整方案，在必要时向用户询问，并在执行重要操作前征求确认。

这两项能力都是Meta一直追求的个人超级智能所需要的，定向能力优化后的模型结合Muse这款产品，能够为用户提供重要事项持续追踪以及目标导向的连续工作能力。Meta官方称，未来还会利用Muse 为Muse开发专用模型，以达到更好的效果。

Meta分别使用、和SWE-这些评测来评估长期记忆、任务专注度与持续执行能力，专业任务评测还覆盖法律、金融和健康等领域。

官方演示中，Muse 能够直接操作浏览器、跨应用获取信息，并根据用户的个人偏好制定周六跑步计划。这类演示呈现的，正是Meta希望强化的能力，也即让模型结合个人背景持续推进任务。

在基础规格上，两款模型的上下文窗口均为100万token，支持文本、图像、视频和音频多模态输入。

安全方面，Meta称Muse 是其迄今对齐程度最高的模型，并强化了对化学、生物、放射性和核相关风险（CBRN）及网络滥用的防护，以及对抗性指令应对和私人信息处理能力。

三、分手厨房、魔方模型，效果和Opus 5.5对打

模型一经发布，一众网友纷纷上手测试，智东西收集了一些案例，看看Muse 系列模型的能力如何。

有开发者使用Muse 制作了3D可旋转魔方模型，从画面上看，光影效果、清晰度和旋转细节都相当有质感，该开发者称这完全是和 Opus 5.5一个级别的。

Meta研究员用Muse 打造了一个Muse版的分手厨房，画面清晰、交互流畅， Wang转发评论称自己玩了一个多小时。

还有网友用Muse 设计前端页面，并评价他虽然不会说效果比Opus 5.5更好，但绝对超出了预期。

此外，还有开发者用Muse 进行代码审查，发现了之前用GPT-6.1 Sol工作时遗留的大量问题。

不过，也有开发者觉得Muse 的效果并不尽如人意，比如在3D游戏开发上，效果与Opus 5.5相差甚远。

对于3D游戏的开发， Wang特意发帖解释，团队在训练Muse 的过程中，并未专门针对3D效果进行RL，原因是他们的目标是构建一个对现实世界的真实任务有用的模型，模型训练是基于产品的实际使用需求展开的。

结语：模型、产品协同提升，Meta能否后来者居上？

头部大模型的竞争格局已经相对稳定，后来者想要靠一次跑分反超，难度越来越大。Meta这次押注的，是模型与产品的协同突破。

从Muse Spark到Muse，Meta在短短几个月里持续提升模型能力；另一边，Muse已经凭借个人智能体的产品形态打开市场。

前者补齐底层能力，后者积累用户入口与使用场景。如果Muse 能将主动记忆、持续执行和专业任务处理能力真正转化为产品体验，Meta就有机会绕开单纯比拼模型排名的竞争，把模型优势延伸到个人智能体的使用频率与用户黏性上。

但这条路并不轻松。模型跑分领先几项测试，不等于真实任务中足够可靠；Muse的热度，也不意味着用户会长期依赖它处理工作与生活事务。个人智能体越深入用户的日程、消息和私人数据，对安全、准确性和执行稳定性的要求就越高。

对Meta而言，真正的考验是能否把模型能力、产品入口和用户信任串成一条完整链路。如果这套组合跑通，Meta争夺的就不只是模型竞争中的一席之地，还有个人AI时代的用户入口。